ドメイン適応

Accedi

approfondimento - ドメイン適応

本稿では、$f$ ダイバージェンスに基づくドメイン適応の改善されたフレームワークを提案し、従来手法の理論的限界を克服することで、よりタイトな誤差限界と高速な収束レートを実現する手法を提示する。

事前学習済みビジョン言語モデルの学習済み知識を活用し、ドメイン不変で汎化性の高い特徴表現を学習する手法を提案する。

本稿では、シミュレーションデータと実データ間のドメインシフト問題を軽減するために、液体アルゴン時間投影箱（LArTPC）検出器データに非ペア画像間変換（UI2I）技術を適用する可能性を探求しています。

スパイクグラフネットワーク（SGN）はエネルギー効率に優れているものの、ドメインシフトへの対応が課題である。本論文では、次数分布に基づくスパイク表現学習と敵対的学習を用いたドメイン適応手法DeSGDAを提案し、SGNのドメイン適応問題への有効性を示した。

ラベル付けされていない、あるいはラベルが不足している時系列データに対して、ラベル付きのソースドメインデータを用いて、効果的に学習を行うための新たなドメイン適応手法、GLA-DAを提案する。

CLIPの未知ドメインへの一般化能力を向上させるため、言語記述に基づいて多様で高品質な新規ドメイン特徴量を合成する。

合成画像と実世界画像の間に存在する「現実のギャップ」を解決するために、新しい手法を提案し、アイ・トラッキングモデルのセグメンテーション性能を向上させる。

Chi Siamo

Prodotti

Risorse